2.3.3输出数据自动分配内存

1.代码功能描述

这段 C++ 代码使用 OpenCV 库实现了从摄像头捕获视频流，并对每一帧图像进行处理，将其转换为灰度图像，然后进行高斯模糊和 Canny 边缘检测，最后在窗口中实时显示处理后的边缘图像。当用户按下任意键时，程序会停止运行。

#include<opencv2/opencv.hpp>
#include<opencv2/highgui.hpp>
using namespace cv;
int main(int,char**)
{
	VideoCapture cap(0);
	if (!cap.isOpened()) return -1;
	Mat frame, edges;
	namedWindow("edges", 1);
	for (;;) {
		cap >> frame;
		cvtColor(frame, edges, COLOR_BGR2GRAY);
		GaussianBlur(edges, edges, Size(7, 7), 1.5, 1.5);
		Canny(edges, edges, 0, 30, 3);
		imshow("edges", edges);
		if (waitKey(30) >= 0)
			break;
	}
	return 0;
}

2.代码逐行解释

（1）OpenCV 库的头文件

#include<opencv2/opencv.hpp>
#include<opencv2/highgui.hpp>

• opencv2/opencv.hpp 是一个综合性的头文件，包含了 OpenCV 的大部分核心功能；
• opencv2/highgui.hpp 含用于创建窗口、显示图像和处理用户输入的高级图形用户界面相关的功能。

 （2） using 指令的使用

using namespace cv;

• 将 cv 命名空间中的所有标识符引入到全局命名空间中，这样在后续代码中就可以直接使用 OpenCV 的类和函数，而不需要加上 cv:: 前缀。

 （3） 程序的入口函数 main

int main(int,char**)
{

• int 表示函数返回一个整数值
• (int, char**) 表示函数接受两个参数，但这里没有使用它们的具体名称，意味着在函数内部不会使用这两个参数。
• char** C 和 C++ 中是一个指向字符指针的指针，常用于表示字符串数组或者作为 main 函数的参数来接收命令行参数。

（4）VideoCapture打开摄像头

    VideoCapture cap(0);
    if (!cap.isOpened()) return -1;

• VideoCapture cap(0);：创建一个 VideoCapture 对象 cap，并尝试打开默认的摄像头设备（设备编号为 0）。
• if (!cap.isOpened()) return -1;：检查摄像头是否成功打开。
• 如果打开失败，cap.isOpened() 会返回 false，此时程序会返回 -1 并终止。

VideoCapture 并不是一个函数，而是 OpenCV 库中用于处理视频捕获的一个类。这个类提供了一系列的方法和属性，可用于从摄像头、视频文件或网络视频流中读取视频帧。下面为你详细介绍 VideoCapture 类的相关内容。

VideoCapture类

VideoCapture 类主要用于捕获视频数据，支持多种视频源，包括：

• 摄像头设备：可以连接到计算机的摄像头，实时捕获视频流。
• 视频文件：读取本地存储的视频文件，如 .mp4、.avi 等格式。
• 网络视频流：通过网络协议（如 RTSP）获取远程视频流。

构造函数

VideoCapture 类有几个常用的构造函数：

• VideoCapture()：默认构造函数，创建一个未初始化的 VideoCapture 对象，后续需要使用 open() 方法来打开视频源。

• VideoCapture cap;
  cap.open(0); // 打开默认摄像头

• VideoCapture(int index)：通过设备索引打开摄像头设备。index 是摄像头的编号，通常默认摄像头的编号为 0，如果有多个摄像头，可以使用不同的编号来选择。

• VideoCapture cap(0); // 打开默认摄像头

• VideoCapture(const std::string& filename)：通过视频文件的路径或网络视频流的 URL 来打开视频源。

• cv::VideoCapture cap("path/to/video.mp4"); // 打开本地视频文件

常用方法

• bool isOpened()：检查视频捕获设备或文件是否成功打开。如果成功打开，返回 true；否则返回 false。

• VideoCapture cap(0);
  if (!cap.isOpened()) {
      cerr << "无法打开摄像头" << endl;
      return -1;
  }

• VideoCapture& operator>>(Mat& image)：从视频源中读取一帧图像，并将其存储在 Mat 对象中。这个操作符重载可以方便地使用 >> 符号来读取视频帧。

• Mat frame;
  cap >> frame; // 读取一帧图像

• bool read(Mat& image)：与 operator>> 功能类似，也是从视频源中读取一帧图像并存储在 Mat 对象中。如果成功读取到图像，返回 true；否则返回 false。

• cv::Mat frame;
  bool success = cap.read(frame);
  if (!success) {
      std::cerr << "无法读取视频帧" << std::endl;
  }

• void release()：释放视频捕获设备或文件的资源。在不再使用 VideoCapture 对象时，应该调用这个方法来释放资源。

• cap.release(); // 释放资源

（5）定义Mat对象

  Mat frame, edges;

• 定义两个 Mat 对象，frame 用于存储从摄像头捕获的每一帧原始图像，edges 用于存储处理后的边缘图像。

（6）创建"edges" 窗口

namedWindow("edges", 1);

• 用于显示处理后的边缘图像。参数 1 表示窗口可以调整大小。

namedWindow 函数

namedWindow 函数属于 OpenCV 的 highgui 模块，该模块主要负责图形用户界面相关的操作，像窗口创建、图像显示、鼠标键盘事件处理等。借助 namedWindow 函数，你能够创建一个指定名称的窗口，后续可以在这个窗口里显示图像或者视频帧。

函数原型

在 OpenCV 4.x 及之后的版本中，namedWindow 函数的原型如下：

 

void namedWindow(const String& winname, int flags = WINDOW_AUTOSIZE);

参数解释

• winname：类型为 const String&，实际上 String 是 std::string 的别名，所以这里传入的是一个字符串。此参数代表要创建的窗口的名称，该名称在整个程序里必须是唯一的，后续对窗口进行操作（如显示图像、调整窗口大小等）时，会依据这个名称来识别窗口。
• flags：类型为 int，是一个可选参数，默认值为 WINDOW_AUTOSIZE。它用于指定窗口的属性，常见的取值及含义如下：
  • WINDOW_KEEPRATIO：显示图像时，保持图像的纵横比（默认行为）。
  • WINDOW_FREERATIO：显示图像时，不保持图像的纵横比。
  • WINDOW_AUTOSIZE：窗口大小会根据显示的图像自动调整，用户无法手动改变窗口大小。
  • WINDOW_NORMAL：可以手动调整窗口的大小。

注意事项

• 窗口名称唯一性：每个窗口的名称必须是唯一的，如果尝试创建一个已经存在的窗口名称，不会创建新的窗口，而是会复用已有的窗口。
• 资源管理：在程序结束时，建议用 cv::destroyAllWindows() 或 cv::destroyWindow(const String& winname) 来销毁创建的窗口，释放相关资源。
• 显示图像顺序：namedWindow 函数通常需要在 imshow 函数之前调用，不过在某些情况下，如果省略 namedWindow 函数，imshow 函数会自动创建一个默认属性的窗口。

 （7）重复捕捉视频帧

    for (;;) {
        cap >> frame;

• 这是一个无限循环，用于不断从摄像头捕获视频帧。
• cap >> frame; 是将当前摄像头捕获的一帧图像读取到 frame 对象中。

（8）灰度图像及空间转化

        cvtColor(frame, edges, COLOR_BGR2GRAY);

• 使用 cvtColor 函数将 frame 中的彩色图像转换为灰度图像，并将结果存储在 edges 中。
• COLOR_BGR2GRAY 表示从 BGR 颜色空间转换为灰度颜色空间。

cvtColor 函数

void cvtColor(InputArray src, OutputArray dst, int code, int dstCn = 0);

参数解释

• src：类型为 InputArray，表示输入的图像。它可以是 cv::Mat 类型的对象，代表要进行颜色空间转换的原始图像。
• dst：类型为 OutputArray，表示输出的图像。转换后的图像将存储在这个对象中，通常也是 cv::Mat 类型。
• code：类型为 int，是一个非常关键的参数，用于指定颜色空间转换的代码。OpenCV 提供了众多预定义的转换代码，常见的如下：
  • cv::COLOR_GRAY2BGR：将灰度图像转换为 BGR 颜色空间的图像。
  • cv::COLOR_BGR2HSV：将 BGR 颜色空间的图像转换为 HSV 颜色空间的图像。
  • cv::COLOR_BGR2GRAY：将 BGR（Blue, Green, Red）颜色空间的图像转换为灰度图像。
• dstCn：类型为 int，是一个可选参数，默认值为 0。它用于指定输出图像的通道数。如果为 0，则输出图像的通道数将根据转换代码自动确定。

（9）高斯模糊处理

        GaussianBlur(edges, edges, Size(7, 7), 1.5, 1.5);

• 对灰度图像 edges 进行高斯模糊处理，以减少图像中的噪声。
• Size(7, 7) 表示高斯核的大小为 7x7，两个 1.5 分别表示 X 和 Y 方向的高斯核标准差。

函数原型

void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, double sigmaY = 0, int borderType = BORDER_DEFAULT);

参数解释

• src：类型为 InputArray，表示输入的图像。它通常是一个 cv::Mat 对象，即要进行高斯模糊处理的原始图像。该图像可以是单通道（如灰度图像）或多通道（如彩色图像）。
• dst：类型为 OutputArray，表示输出的图像。经过高斯模糊处理后的图像将存储在这个对象中，同样一般是 cv::Mat 类型。其尺寸和类型与输入图像相同。
• ksize：类型为 Size，表示高斯核的大小。Size 是一个包含两个整数的结构体，分别表示高斯核的宽度和高度，如 Size(3, 3) 表示一个 3x3 的高斯核。这两个值必须是正奇数，如果为 0，则会根据 sigmaX 和 sigmaY 自动计算核的大小。
• sigmaX：类型为 double，表示高斯核在 X 方向上的标准差。标准差决定了高斯核的形状，较大的标准差会使模糊效果更明显。
• sigmaY：类型为 double，是一个可选参数，默认值为 0。表示高斯核在 Y 方向上的标准差。如果该值为 0，则会将其设为与 sigmaX 相同的值。
• borderType：类型为 int，是一个可选参数，默认值为 BORDER_DEFAULT。它用于指定图像边界的处理方式。在进行卷积操作时，图像边界的像素没有完整的邻域，需要采用特定的方法来处理这些边界像素，常见的处理方式包括复制边界像素、镜像边界像素等。

（10）Canny 函数对模糊后的图像进行边缘检测

        Canny(edges, edges, 0, 30, 3);

• 0 和 30 分别是 Canny 算法的低阈值和高阈值，3 表示使用的 Sobel 算子的孔径大小。

Canny 函数

void Canny(InputArray image, OutputArray edges, double threshold1, double threshold2, int apertureSize = 3, bool L2gradient = false);

参数解释

• image：类型为 InputArray，表示输入的图像。通常要求输入图像为单通道的灰度图像，因为 Canny 算法是基于灰度值的变化来检测边缘的。可以是 cv::Mat 类型的对象。
• edges：类型为 OutputArray，表示输出的边缘图像。检测到的边缘将存储在这个对象中，同样一般为 cv::Mat 类型。输出图像是一个二值图像，边缘像素值为 255，非边缘像素值为 0。
• threshold1：类型为 double，是 Canny 算法中的低阈值。在双阈值处理阶段，用于判断像素是否可能为边缘像素。低于该阈值的像素会被认为不是边缘像素。
• threshold2：类型为 double，是 Canny 算法中的高阈值。高于该阈值的像素会被认为是强边缘像素，直接保留。
• apertureSize：类型为 int，是一个可选参数，默认值为 3。它表示 Sobel 算子的孔径大小，用于计算图像的梯度。孔径大小必须是 3、5 或 7，分别对应不同的 Sobel 核大小。
• L2gradient：类型为 bool，是一个可选参数，默认值为 false。用于指定是否使用更精确的 L2 范数来计算梯度幅值。如果设置为 true，则使用 L2 范数计算；如果设置为 false，则使用近似的 L1 范数计算，L1 范数计算速度更快，但 L2 范数计算结果更精确。

Canny 边缘检测算法步骤

1. 高斯平滑：使用高斯滤波器对输入图像进行平滑处理，以减少图像中的噪声。在调用 Canny 函数之前，通常需要手动进行这一步，或者在调用时输入已经经过高斯平滑的图像。
2. 计算梯度幅值和方向：使用 Sobel 算子计算图像在水平和垂直方向上的梯度，然后计算梯度幅值和方向。
3. 非极大值抑制：对梯度幅值进行非极大值抑制，以细化边缘。即只保留局部梯度幅值最大的像素，将其他像素置为 0。
4. 双阈值处理和边缘连接：使用两个阈值（threshold1 和 threshold2）对边缘像素进行分类。高于高阈值的像素被认为是强边缘像素，低于低阈值的像素被认为不是边缘像素，介于两个阈值之间的像素如果与强边缘像素相连，则被认为是边缘像素，否则不是。

（11）显示处理后的边缘图像

        imshow("edges", edges);

• 在之前创建的名为 "edges" 的窗口中显示处理后的边缘图像。

（12）检查是否有按键事件发生

        if (waitKey(30) >= 0)
            break;

• waitKey(30) 会等待 30 毫秒，检查是否有按键事件发生。
• 如果有按键按下，waitKey 会返回按键的 ASCII 码值（大于等于 0），此时程序会跳出循环，结束视频捕获和处理。

（13）退出循环

    }
    return 0;
}

• 循环结束后，程序返回 0，表示正常退出。

3.总结

这段代码通过一系列 OpenCV 函数，实现了从摄像头捕获视频、图像预处理（颜色转换、高斯模糊）、边缘检测以及结果显示的完整流程。各函数相互协作，完成了实时视频流的边缘检测任务。同时，代码中使用的 cv::Mat 对象会自动管理内存，避免了手动内存管理的复杂性和潜在风险。